关于Kaczmarz的一类加速免伪逆贪婪块方法

块贪婪Kaczmarz方法在解决大规模一致线性系统方面取得了成功应用。然而在每次迭代步骤中,GBK方法都涉及伪逆计算,这不仅复杂化了计算并减慢了收敛速度,且不适合分布式实现。在本文中基于Sketching技术提出了两种免伪逆计算的GBK方法,分别是杠杆得分抽样免伪逆GBK方法和稀疏随机投影免伪逆GBK方法,其算法效率更加高效,收敛速度可以达到指数收敛。为了进一步加快收敛速度,我们还提出了CountSketch免伪逆重力球GBK方法、杠杆得分抽样免伪逆重力球GBK方法和稀疏随机投影免伪逆重力球GBK方法。为了验证新方法的有效性,我们进行了一些数值示例。结果表明,这些新方法在解决大规模一致线性系统方面具有很高的效率和准确性。

改进Q学习下3D打印机器人路径生成方法

由于3D打印机器人每次从起点到终点的最优或次优路径不止一条,而且在移动过程中要进行避障,加大了路径规划难度。针对上述问题,提出一种基于改进Q学习的3D打印机器人路径生成方法。根据齐次变换原理和机器人的结构参数分析机器人运动学原理,计算3D打印机器人末端在世界坐标系的位姿,明确3D打印机器人各轴联动关系。将机器人内部的信息节点组成分布式导航网络,控制机器人做出独立导航决策,辅助机器人航向选择。利用改进的Q学习方法,将信息决策导航结果与机器人学习的最佳状态及动作匹配,利用回报函数和贪婪策略方法提高其学习率,实现3D打印机器人路径生成。实验结果表明,所提方法路径规划能力强,计算耗时短。

求解大型线性最小二乘问题的贪婪Gauss-Seidel方法

基于一种选择系数矩阵A的工作列的策略,提出了求解大型线性最小二乘问题的一种不同的贪婪Gauss-Seidel方法,并对该方法进行了收敛性分析。数值实验表明,在相同的精度下,所提方法在计算时间上优于文献提出的贪婪随机坐标下降方法。

一种基于改进ROMP的MIMO-OFDM信道估计方法

本文根据信道响应的时域稀疏性,引入压缩感知理论,针对正则化正交匹配追踪(ROMP)需已知稀疏度和原子一旦选入无法删除两大缺点,提出一种基于改进ROMP的信道估计方法.该方法结合压缩采样匹配追踪(CoSaMP)、稀疏度自适应匹配追踪(SAMP)和变步长的优点,实现稀疏信号快速准确的重建.仿真结果表明,与基于OMP、ROMP、CoSaMP、SAMP的信道估计方法相比,所提方法有效提高了MIMO-OFDM系统的归一化均方误差(NMSE)和误码率(BER)性能.

求解大型线性方程组的带动量贪婪随机Kaczmarz方法

基于一种新而有效的概率准则,白和巫构建了一个求解大型线性方程组的贪婪随机Kaczmarz(GRK)方法。结合贪婪策略和Heavy-Ball技术,提出了带动量GRK方法(mGRK),并且建立了mGRK方法的全局线性收敛性理论。最后,数值实验表明mGRK方法在迭代步数和计算时间方面均优于GRK方法。

应用于图像分割的改进贪婪蛇算法

针对现有的贪婪蛇算法存在的计算量大且不能很好地处理凹形图像的问题,提出一种改进贪婪蛇算法;该算法对原始图像进行灰度预处理,以提高原始图像锐化程度;通过重新设计能量函数中的图像力的计算方法,得到一种新的贪婪蛇算法能量函数,用于完成蛇素的初始收敛;使用一种贪婪收敛策略实现蛇素的最终收敛。图像分割实验验证了改进贪婪蛇算法的有效性,特别是在分割复杂凹形图像时效果较好。

贪婪随机自适应搜索法在电网规划中的应用

基于贪婪随机自适应搜索法(GRASP)能有效地解决电网规划的组合优化问题,其每一次迭代包含构造和局域搜索两阶段.在构造阶段,以改进线路综合有效性指标为贪婪函数,采用比例法形成限制候选列表,并随机选择元素构成可行方案.根据线路的实际效用比剔除可行方案中的冗余线路,为局域搜索提供一个简练经济的初始网络,并采用1-1交换产生邻居集来拓展搜索空间寻找局优解.所有迭代中的最好方案作为电网规划问题的最优解.对于网络规模增大所引起的“维数灾”,提出5种邻居删减技术来提高算法的解算速度.算例分析证明了该方法的可行性、有效性.

河流–地下水系统水体污染研究

水资源作为生产生活的必需品,在地下水污染中最难治理和危害最大的是有机污染,因而对有机污染物在河流–地下水系统中的行为特征进行研究具有十分重要的理论意义和实际价值。首先使用雷诺平均Navier-Stokes方程建立并模拟河流–地下水系统中有机污染物的对流、弥散及吸附作用的数学模型,得出在河流–地下水系统中,随着时间的变化有机物对流、弥散及吸附速率越来越慢,逐渐趋于稳态;其次利用贪婪Gauss-Seidel方法求解有机污染物在河流–地下水系统中的迁移转化机理,得出吸附体系的吸附效果随着有机物初始浓度先增加后减小,在有机污染物初始浓度为0.18 ml/L时吸附效率最好;最后采用Chapman-Enskog方法来分析了描述微观的分子运动的BGK-波尔兹曼方程与宏观的水流运动以及水流中有机污染物浓度运动之间的关系,得出随着天数增加有机污染物浓度逐渐减小,有机污染物与微生物浓度之比逐渐减小,随着微生物浓度增加,有机物浓度逐渐减小,并在第八天时趋于稳定。并且本文所探讨与研究的有机污染物在河流–地下水系统中的迁移转化机理,还将为水资源保护、利用及管理提供了强有力的工具。

复杂约束条件下卫星观测多目标获取优化算法

在复杂约束条件下,卫星对多目标的获取效率成为卫星观测研究领域的热点问题。提出基于贪婪方法的实际复杂约束条件下多目标获取优化算法。该方法基于传感器约束模型对多目标进行可视筛选,基于卫星侧摆约束模型对可视目标实现可访问互斥目标集合分类,采用考虑能源约束模型的贪婪优化算法获取最优目标访问路径。实验结果表明,实际复杂约束条件下,该算法可在最少能源消耗情况下获取更多目标,获取效率及能耗明显优于传统的蚁群算法和遗传算法。

深度学习应用技术研究

针对深度学习应用技术进行了研究性综述。详细阐述了RBM(受限玻尔兹曼机)逐层预训练后再用BP(反向传播)微调的深度学习贪婪层训练方法,对比分析了BP算法中三种梯度下降的方式,建议在线学习系统采用随机梯度下降,静态离线学习系统采用随机小批量梯度下降;归纳总结了深度学习深层结构特征,并推荐了目前最受欢迎的五层深度网络结构设计方法。分析了前馈神经网络非线性激活函数的必要性及常用的激活函数优点,并推荐Re LU(rectified linear units)激活函数。最后简要概括了深度卷积神经网络、深度递归神经网络、长短期记忆网络等新型深度网络的特点及应用场景,归纳总结了当前深度学习可能的发展方向。

一种求解旅行商问题的混合路径重连算法

提出一种求解旅行商问题的新型混合路径重连算法,将贪婪随机自适应搜索方法的构建机制引入到路径重连算法中,从而在搜索过程中同时考虑解的质量及分散性。在重连过程中,将向导解的属性逐步引入到起始解属性中,以快速获得该线路上的最优解,并采用动态更新参考集策略加快收敛速度。实验结果表明,该算法的解质量优于其他算法。

基于GRASP算法的飞机旅客一体化恢复优化研究

针对航班调整中较常用的手段——航班取消⁃合并方法,对飞机旅客一体化恢复问题进行研究。首先,基于连接网络和旅客转机网络建立数学规划模型,然后基于贪婪随机自适应搜索方法(Greedy randomized adaptive search procedure,GRASP),设计启发式算法求解该问题,并且在算法的每一次迭代中,都能得到基于航班调整的旅客转机的最优方案。最后,通过案例证明了算法的有效性,并且说明了相对飞机和旅客先后进行恢复,飞机和旅客的一体化恢复能够有效降低恢复成本以及受干扰的旅客数量。

深度学习应用技术探讨

深度学习作为当今计算机智能产业中重要的一支,其在计算机视觉、语音识别、自然语言的处理方面已经有了相当规模的应用。以深度学习技术在现实的具体应用为目标进行分析研究,已经成为当代计算机技术中的热门。本文通过分析逐层预训练后再用微调的深度学习贪婪层训练方法,深入了解了深度学习深层结构的特点,同时涉猎时下最流行的五层深度网络内部组成。通过认真研究相关内容,展望了深度学习的未来前景。

基于Snake活动轮廓模型的视频跟踪分割方法

基于Snake活动轮廓模型,采用时空融合的方式,根据短时间内相邻帧的运动趋势差异相似的前提,首先将视频序列分成若干个小段,每段有k帧视频,选取段内的前两帧为关键帧,通过运动检测的方式自动得到这两帧中运动对象的大致区域;然后进行帧内Snake演变,搜索精确轮廓;最后以关键帧间运动对象形心的运动矢量预测勾勒后续帧的初始轮廓,进行帧内Snake精确轮廓定位,从而实现所有帧的视频对象分割。相比于传统方法,本文方法克服了手动绘制初始轮廓的缺点,在空域对Snake贪婪方法进行了改进而且精确度高,速度快。实验表明,本文方法成功地实现了前后帧图像之间运动对象的对应匹配关系,并通过改进后的Snake贪婪方法得到了精确的分割结果。

基于降基多尺度有限元的PGD方法及其在含参数椭圆方程中的应用

为了提高模拟多尺度模型的效率,提出基于降基多尺度有限元的广义特征分解方法.广义多尺度有限元方法是模拟多尺度模型的一种有效方法,在粗网格上构造局部基函数,不仅反映了细尺度上的信息,而且能减少大量的计算量.在广义多尺度有限元方法的框架下,通过交叉验证的思想将多尺度模型映射到降基多尺度有限元空间上,提出基于交叉验证的降基多尺度有限元方法.最后,结合广义特征分解方法和基于交叉验证的降基多尺度有限元方法,将其应用于带参数椭圆偏微分方程的计算.数值例子表明,广义特征分解方法和基于交叉验证的降基多尺度有限元方法相结合,不仅比广义多尺度有限元方法具有更高精度,而且能提高在线计算效率.